基于卷积神经网络的图像风格迁移技术应用摘 要为了提高作品档次或增加作品趣味性，人们大都希望自己创作的图像作品具有大师级人物图像作品的风格，或相同图像内容具有不同图像风格
人们对美好事物的向往也是 IT 技术人员的奋斗目标，利用信息技术帮助普通人实现图像风格迁移的梦想是件很有意义的事情
因此，设计一个基于卷积神经网络的图像风格快速迁移方法应用
首先先使用 VGG 网络对图像内容和风格特征提取，并且用深度残差网络对提取的内容和风格特征进行重构来生成迁移图像，然后运用生成式对抗网络思想，来迭代训练一个可以快速风格迁移系统模型，这样可以快速高效的对大批量图像进行风格迁移；最后设计一个演示系统，根据我们训练好的不同风格模型，让用户可以通过网页上传自己要进行迁移的图片，然后选择不同的风格，后台加载对应风格的模型进行迁移，最后将迁移后的图像返回到 web 网页，供用户浏览和下载保存
实验结果显示，该方法能较好的完成图像风格迁移工作，系统生成的迁移图像质量很好的融合内容图像的主体内容和风格图像的风格特征
关键字：图像风格迁移；VGG 网络；生成式对抗网络；深度残差网络第 1 章 绪论1
1 背景、目的及意义在艺术领域，特别是绘画，影视，画家及导演们通过创造特殊的内容及风格，给人们带来一种前所未有的视觉冲击
人类对美的在追求永无止境，尤其是对自己创作的图像及绘画
然而对于普通大众来说，想要自己的绘画或者图片更具有趣味性只能借助 PS 技术
在艺术家和普通大众两个主体面前，图像风格迁移技术亟待突飞猛进的发展来满足大家对艺术化的追求
而深度学习的兴起，尤其是卷积神经网络的出现，让计算机对图像的识别及提取内容技术上了一个台阶
2015 年 Gatys 初次将深度学习和神经网络运用到了图像的风格艺术迁移技术上来[6]
然而 Gatys 所运用的基于迭代图像的方法效率低下且操作复杂，对于没有专业知识的
